AI vs 機械学習 vs ディープラーニング

人工知能、機械学習、ディープラーニングは相互に関連していますが、異なる抽象化レイヤーに構築されています。共通点の1つとして、すべての用途（自律走行車、心臓発作の可能性を医師が判断するのに役立つコンピュータープログラムなど）において影響力のある結果を出すためには、増大し続けるビッグデータとコンピューティング能力が必要とされます。

人工知能

人工知能（AI）は、人間の知能を模倣してタスクを実行する機械の理論と開発です。AIは、アプリケーション、システム、またはプロセスで人間の知能の一部または全部を複製することを試みます。AIシステムの例には、音声認識、視覚認識、言語翻訳が含まれます。機械学習とディープラーニングは、人工知能のサブセットです。

機械学習とディープラーニング

機械学習（ML）は人工ニューラルネットワーク（ANN）を使用して人間の意思決定を模倣するAIの亜領域です。機械学習は、コンピューターが大規模なデータセットから、プログラムされることなく自ら学習することを可能にします。大規模データと統計モデリングによるトレンドの識別に使用されます。
機械学習のいくつかのアプローチをさらに深く見ていくと、その1つにディープラーニング（DL）があります。ディープラーニングは、大量のデータからパターンを学習するためにディープニューラルネットワークを使用します。ニューラルネットワークは、人間の脳の生物学的構造からモデル化され、学習対象タスクの特定の層にそれぞれ焦点を当てたアルゴリズムのセットです。例として、Netflix社のリコメンデーションシステムや、将来の動作を高速で予測できるMITのアルゴリズムなどがあります。
それぞれの違いは、猫の画像を認識するようにコンピューターを訓練するという課題を使って簡単に説明できます。

• 人工知能は、コンピューターが猫を認識するのに必要なすべてのコードをプログラマーが記述する必要があります。
• 機械学習は、猫がどのように見えるかを学習する方法をプログラマーがシステムに教える必要があります。そのために、画像を与え、コンピューターが正確に分析できるようになるまで修正します。
• ディープラーニングは、猫を認識するというタスクを異なるレイヤーに分割します。アルゴリズムのレイヤーごとに、目や姿などの識別を学習します。続いて、接続されたレイヤーが機械学習の機能を実行します。

機械学習とディープラーニングによって、AIが一層賢くなり、より利用しやすくなります。

クラウドのAI、ML、DL

クラウドテクノロジーの進歩により、AI、ML、DLがより利用しやすくなっています。Amazon Machine Learning、Microsoft Azure、Google Cloud AIなどのクラウドAIサービスプロバイダーは、費用対効果に優れ、使いやすくスケーラブルな共有リソース（ネットワーク、コンピューティング、メモリ、ディスク）を提供します。
クラウドの統合テクノロジープラットフォーム（IaaS、PaaS、SaaS、iPaaS）を使用することで、中小企業でもビッグデータストレージとアナリティクスの機能を活用できます。AI API、MLアルゴリズム、ディープラーニング、顔認識、データ可視化、コンピュータービジョン、自然言語処理の手法がサービスに統合され、データセンターによって遠隔でコンピューティングが実行されます。データサイエンスの専門トレーニングは必要ありません。
改良されたこれらのビッグデータ統合ソリューション/プラットフォームによって、AI、ML、DLの発展が継続的に加速します。

人工知能とTalend

現在使用可能な影響力のあるAIビジネスアプリケーションは、関連性と信頼性の高い品質を備えたデータに依拠します。どちらか一方だけでは成り立ちません。ビッグデータの規模とコンピューティング能力が拡大し、テクノロジーが進歩するにつれて、完全なAI（自律的知覚）の実現が日々近づきつつあります。
人工知能/機械学習/ディープラーニングの詳細、TalendでのSpark機械学習コンポーネントの使用方法については、オンデマンドのウェビナー、機械学習の基礎で紹介します。